量子位 | 太初元碁喬梁：AI算法已經(jīng)跑到單芯片極限｜MEET2026
太初元碁喬梁：AI算法已經(jīng)跑到單芯片極限｜MEET2026
中國算力體系正邁入超智融合
編輯部 整理自 MEET2026
量子位 | 公眾號(hào) QbitAI
隨著AI技術(shù)不斷發(fā)展落地，行業(yè)應(yīng)用對于算力的需求與日俱增，這已經(jīng)成為廣泛共識(shí)。
與此同時(shí)，算法本身的規(guī)模和復(fù)雜度也在成倍增長，讓整個(gè)行業(yè)正式邁入一個(gè)更高強(qiáng)度的算力周期，對此太初元碁聯(lián)合創(chuàng)始人兼首席運(yùn)營官喬梁表示：
當(dāng)下行業(yè)應(yīng)用對于算力的需求與日俱增，AI需要算法實(shí)現(xiàn)毫秒級精確度，而這恰好帶動(dòng)算力需求呈指數(shù)級增長。
這意味著，在未來的技術(shù)演進(jìn)中，高性能計(jì)算將貫穿生產(chǎn)制造、科學(xué)研究到AI落地的全鏈路，成為各類計(jì)算場景的底層支撐力量。
在本次量子位MEET2026智能未來大會(huì)上，喬梁圍繞超智融合、異構(gòu)融合等關(guān)鍵詞分享了自己對國產(chǎn)算力生態(tài)建設(shè)的看法：
目前，各類AI大模型、不同領(lǐng)域的AI Agent落地都需要大量算力來支撐，在這一背景下，“超智融合發(fā)展”已成為行業(yè)共識(shí)。
無論是AI算法的迭代，還是傳統(tǒng)科學(xué)計(jì)算的發(fā)展，未來的趨勢都會(huì)指向同一件事：在通用計(jì)算的場景下，通過硬件架構(gòu)的設(shè)計(jì)來實(shí)現(xiàn)異構(gòu)融合。
為了完整體現(xiàn)喬梁的思考，在不改變原意的基礎(chǔ)上，量子位對演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來更多啟發(fā)。
MEET2026智能未來大會(huì)是由量子位主辦的行業(yè)峰會(huì)，20余位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾1000+，線上直播觀眾320萬+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。
核心觀點(diǎn)梳理
AI技術(shù)的成熟改變了傳統(tǒng)科學(xué)計(jì)算模式，高性能計(jì)算技術(shù)在傳統(tǒng)生產(chǎn)制造、科學(xué)研究和AI落地場景中貫穿始終。未來，硬件廠商和軟件開發(fā)者都將面臨更大市場機(jī)會(huì)和發(fā)展前景。
超智融合是大勢所趨，將面向更多計(jì)算領(lǐng)域場景，需要綜合算力基礎(chǔ)設(shè)施提供智算底座。
單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計(jì)PC link，實(shí)現(xiàn)128卡芯片間高速互聯(lián)，為AI算法增長提供硬件基礎(chǔ)。
接下來需要大規(guī)模擴(kuò)展和互聯(lián)系統(tǒng)，為AI算法提供硬件基礎(chǔ)。
國內(nèi)發(fā)展人工智能產(chǎn)業(yè)離不開開源生態(tài)，行業(yè)需要企業(yè)共同組建開源平臺(tái)。
以下為喬梁演講全文：
算力時(shí)代的演進(jìn)：從傳統(tǒng)科學(xué)計(jì)算到“超智融合”
隨著AI技術(shù)不斷發(fā)展落地，行業(yè)應(yīng)用對于算力的需求與日俱增，這已經(jīng)成為廣泛共識(shí)，AI需要算法實(shí)現(xiàn)毫秒級精確度，而這恰好帶動(dòng)算力需求呈指數(shù)級增長。
在過往，談?wù)摰接?jì)算，大家腦海中或許想到的是傳統(tǒng)科學(xué)領(lǐng)域的計(jì)算需求，在那個(gè)階段，我們說算力不夠，需要建設(shè)超算中心作為算力支撐，這些是服務(wù)于科學(xué)計(jì)算領(lǐng)域?qū)Υ罅扛呔葦?shù)據(jù)以及復(fù)雜算法處理的需求。
目光轉(zhuǎn)移至當(dāng)下，AI爆發(fā)后，我們更多需要以AI算法的泛化性來看待算力需求問題。
換言之，如今AI對于算力龐大的需求，是泛化性所帶來的，各類AI大模型、不同領(lǐng)域的AI Agent落地都需要大量算力來支撐。
在這一背景下，超智融合發(fā)展成為共識(shí)。
作為一家聚焦高性能計(jì)算的國產(chǎn)AI芯片企業(yè)，今天我們給大家分享太初元碁是如何推動(dòng)高性能計(jì)算加人工智能（HPC+AI）落地，以及一些行業(yè)發(fā)展思考。
早些年可以看到，國內(nèi)的超算中心多聚焦氣候氣象、流體力學(xué)等領(lǐng)域的科學(xué)計(jì)算分析，數(shù)智時(shí)代的到來，伴隨著AI技術(shù)日趨成熟，科學(xué)計(jì)算的關(guān)注點(diǎn)與計(jì)算模式也正在被改變。
面向未來，我們認(rèn)為高性能計(jì)算都將貫穿從傳統(tǒng)科學(xué)研究到生產(chǎn)制造，甚至AI+的落地應(yīng)用的各類場景，其重要性不言而喻。
基于此，對于硬件廠商、軟件開發(fā)者而言，機(jī)會(huì)和前景都是無限的，市場潛力也是無限的，AI推動(dòng)產(chǎn)業(yè)完成時(shí)代進(jìn)化是不可阻擋的。
異構(gòu)眾核、開源生態(tài)與算力系統(tǒng)：太初元碁的技術(shù)路線
最近一段時(shí)間AI for science大家關(guān)注度也很高，太初元碁自身基于高性能計(jì)算領(lǐng)域的深耕優(yōu)勢，我們也嘗試在很多科學(xué)計(jì)算領(lǐng)域去提速賦能。
2016年神威·太湖之光采用了有別于ASIC或DSA等的異構(gòu)眾核通用計(jì)算架構(gòu)，實(shí)現(xiàn)了純國產(chǎn)自主可控的硬件架構(gòu)和生態(tài)體系。
在這之后，放眼全球，日本、美國等國家的超算中心也在探索異構(gòu)眾核計(jì)算系統(tǒng)技術(shù)路線。
我們認(rèn)為，不管AI算法迭代還是傳統(tǒng)科學(xué)計(jì)算領(lǐng)域過程的發(fā)展，未來是一個(gè)在通用計(jì)算場景下，通過硬件架構(gòu)的設(shè)計(jì)實(shí)現(xiàn)異構(gòu)融合的過程。
目前不管是頭部企業(yè)還是知名廠商，為了更好支持各類計(jì)算場景，我們都能看到大家在不同維度上嘗試了把異構(gòu)眾核進(jìn)行融合。
太初元碁一直也是異構(gòu)眾核架構(gòu)技術(shù)路線的支持者，無論是早期參與神威·太湖之光的建設(shè)，還是后續(xù)我們推出的AI芯片，我們發(fā)現(xiàn)AI算法逐漸向低精度轉(zhuǎn)化。
因此我們也采用了一些細(xì)粒度的并行優(yōu)化技術(shù)，在硬件層面上保證基于通用計(jì)算場景的前提下，更好支持AI場景的落地。
目前，單顆芯片性能已經(jīng)成為AI算法發(fā)展瓶頸，太初元碁自主設(shè)計(jì)的TC link，可以實(shí)現(xiàn)128卡間的scale up高速互聯(lián)拓展，為AI算法增長提供硬件基礎(chǔ)。未來也需要集成度更高的高性能計(jì)算系統(tǒng)，為AI算法提供硬件基礎(chǔ)。
太初元碁主要優(yōu)勢之一在于算力中心建設(shè)上，服務(wù)于大模型訓(xùn)練包括大型應(yīng)用場景。
同時(shí)，我們也聚焦垂直行業(yè)的應(yīng)用落地，例如，我們與龍芯中科推出AI工作站，基于國產(chǎn)CPU+GPU模式打造針對具體行業(yè)的AI硬件。
AI在千行百業(yè)落地離不開開源生態(tài)，我們認(rèn)為行業(yè)需要企業(yè)共同組建開源平臺(tái)來推動(dòng)未來發(fā)展，我們也希望進(jìn)一步把我們底層硬件、軟件進(jìn)行開源，吸引大家一起把整個(gè)AI產(chǎn)業(yè)生態(tài)建立起來。
HPC+AI在科研、能源、低空經(jīng)濟(jì)的落地實(shí)踐
回到具體的應(yīng)用落地層面，太初元碁基于技術(shù)視角服務(wù)科研計(jì)算行業(yè)，比如參與國內(nèi)多地公共算力基礎(chǔ)設(shè)施建設(shè)、與高校和科研機(jī)構(gòu)開展聯(lián)合課題攻關(guān)等等。
同時(shí)，我們也希望借助我們在高性能計(jì)算領(lǐng)域里的經(jīng)驗(yàn)和優(yōu)勢，能為教科研領(lǐng)域的用戶進(jìn)行深度賦能。
舉個(gè)例子，最近大家可能在關(guān)注AI Agent出來后，更多的編程任務(wù)是不是可以借助AI來進(jìn)行代碼開發(fā)，通過AI加速實(shí)現(xiàn)代碼開發(fā)高效化，這也是未來AI產(chǎn)業(yè)生態(tài)發(fā)展的一大機(jī)遇。
我們深度參與了百度飛槳社群的建設(shè)，太初元碁跟百度的團(tuán)隊(duì)也開展了很多合作，去年，我們一起完成了AlphaFold3蛋白預(yù)測模型的國產(chǎn)平臺(tái)復(fù)現(xiàn)。
同時(shí)我們也在科研領(lǐng)域通過利用HPC計(jì)算集群生成很多大量、高精度的數(shù)值模擬數(shù)據(jù)，優(yōu)化AI模型的參數(shù)，從而加速實(shí)現(xiàn)科研上的突破，例如我們與湖南大學(xué)在生物醫(yī)藥科研領(lǐng)域也開展了一些合作，取得了一定階段性成果。
針對氣候氣象領(lǐng)域，大家都比較了解，氣候氣象是高性能計(jì)算最為擅長的領(lǐng)域，現(xiàn)在我們發(fā)現(xiàn)，隨著算力的發(fā)展，新能源相關(guān)的需求也越來越大。
AI產(chǎn)業(yè)的發(fā)展，除了硬件作為底層支撐外，能源供應(yīng)也扮演重要角色，換言之，能源利用或成為影響AI發(fā)展的主要限制因素。
對此，我們通過HPC算法對氣候氣象領(lǐng)域進(jìn)行數(shù)據(jù)分析，再結(jié)合AI算法實(shí)現(xiàn)能源利用效率的提升，在全國發(fā)電站、發(fā)電場景里用AI替代一部分預(yù)測預(yù)判的算法，更好支撐全國各地建設(shè)或者支持算力基礎(chǔ)設(shè)施的發(fā)展。
最后是低空經(jīng)濟(jì)領(lǐng)域，這也是熱度比較高的領(lǐng)域，這塊也是非常經(jīng)典的HPC+AI的場景。
我們通過HPC高精度的建模實(shí)現(xiàn)一定區(qū)域內(nèi)氣象數(shù)據(jù)的分析，通過這些模型建立之后再導(dǎo)入到AI模型里，快速更好的支撐低空領(lǐng)域下AI Agent的發(fā)展。